Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Größe: px
Ab Seite anzeigen:

Download "Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse"

Transkript

1 Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung Bestimmung der Untersuchungsform Auswahl der Untersuchungseinheiten Datenerhebung Datenerfassung Empirische Phase Datenanalyse Deskriptive Statistik Inferenzstatistik Auswertungsphase Publikation Praktische Phase 1

2 Deskriptive Statistik (Beschreibende Statistik) Die deskriptive Statistik verfolgt das Ziel, die Untersuchungsergebnisse darzustellen. Die Darstellung erfolgt durch tabellarische und graphische Darstellungen, Maßzahlen der zentralen Tendenz, Streuungsmaße und Korrelationskoeffizienten. Die deskriptive Statistik gliedert sich in drei Bereiche auf: a. Univariate Analyse b. Bivariate Analyse c. Multivariate Analyse Inferenzstatistik (schließende bzw. analytische Statistik) Die Inferenzstatistik verfolgt das Ziel, von den Ergebnissen einer Stichprobe auf die Grundgesamtheit (Population) zu schließen. Die Inferenzstatistik prüft, in welcher Weise die Ergebnisse der deskriptiven Statistik verallgemeinert werden können. D. h., ob die Ergebnisse einer Stichprobe auf die Grundgesamtheit übertragen werden kann. 2

3 Grundbegriffe der Statistik: Untersuchungseinheit: Untersuchungseinheit ist das Objekt, an dem Messungen vorgenommen werden. Die Untersuchungseinheit, ganz allgemein auch Beobachtung oder Fall genannt, ist als Merkmalsträger das Bezugsobjekt der Forschung. (z.b. Personen, Schulen, Texte) Die Untersuchungseinheit ist die Einheit, auf die sich die Untersuchung bezieht. Variable: Variablen sind Merkmale oder Eigenschaften, die von Untersuchungseinheit zu Untersuchungseinheit variieren können. Eine Variable ist die Eigenschaft der jeweiligen Untersuchungseinheit. Eine Variable besitzt mindestens zwei Merkmalsausprägungen. Die kleinste Ausprägung wäre das Vorhandensein oder das Nicht Vorhandensein eines Merkmals. Merkmalsausprägung: Merkmalsausprägungen sind Werte, die eine Variable annehmen kann. Dichotome Variable (Dichotomie): Besitzt eine Variable zwei Merkmalsausprägungen, so spricht man von einer dichotomen (zweiteiligen, zweistufigen) Variablen. - Die Variable Geschlecht besitzt zwei Merkmalsausprägungen (1) männlich und (2) weiblich. - Zu Fragen wie Sind Sie berufstätig? mit den dazugehörige Antwortkategorien (1) ja und (2) nein. Trichotome Variable (Trichotomie): Besitzt eine Variable drei Merkmalsausprägungen, so spricht man von einer trichotomen (dreistufigen) Variablen. - Die Variable Schichtzugehörigkeit besitzt drei Merkmalsausprägungen: (1) Unterschicht, (2) Mittelschicht und (3) Oberschicht. - Die Variable Augenfarbe besitzt die Merkmalsausprägungen (1) grün, (2) blau und (3) braun. Polytome Variable (Polytomie): Besitzt eine Variable mehr als drei Merkmalsausprägungen, so spricht man von einer polytomen (mehrstufigen) Variablen. - Die Variable Nationalität besitzt mehr als drei Merkmalsausprägungen (1) Belgier, (2) Brite, (3) Franzose, (4) Italiener usw. (5, 6 ) - Die Variable Berufsstatus kann ebenfalls mehr als drei Merkmalsausprägungen besitzen, nämlich: (1) Arbeiter, (2) Angestellter, (3) Beamter und (4) Selbstständiger. - Zusätzliche Beispiele hierfür sind die Variablen Familienstand, Konfessionszugehörigkeit, Körpergewicht usw. 3

4 Objekte können sich der Qualität oder der Quantität nach unterscheiden. Demgemäß gibt es eine Unterscheidung qualitativer und quantitativer Variablen. Die beiden Eigenschaftsmöglichkeiten einer Variablen schließen sich gegenseitig aus. D.h., wenn eine Variable qualitativ ist, dann kann sie nicht quantitativ sein. Quantitative Variable: Kann man Objekte im Hinblick auf eine bestimmte Eigenschaft der Größe nach unterscheiden, d.h. können Objekte hoch oder niedrig, größer oder kleiner, mehr oder weniger sein, so spricht man von einer quantitativen Variablen. Diese Variablen können mit mannigfaltigen Messeinheiten in Verbindung gebracht werden. Variable Lebensalter (Tag, Monat, Jahr), Körpergröße (mm, cm, m), Körpergewicht (Gramm, Kilogramm), Einkommen (Cent, Euro), Haushaltsgröße (0, 1, 2 und Personen), Geburtenrate (0%, 1%, 2%, 3% usw. Geburten), Anzahl vollendeter Schuljahre (0, 1, 2 usw. Schuljahre). Qualitative Variable: Kann man Objekte im Hinblick auf eine bestimmte Eigenschaft der Art nach unterscheiden, so spricht man von einer qualitativen Variablen. Variable Geschlecht (Merkmalsausprägung: männlich, weiblich), Nationalität (Däne, Deutscher, Amerikaner usw.), Konfessionszugehörigkeit (evangelisch, katholisch usw.), Familienstand (ledig, verheiratet, geschieden usw.), Gewerkschaftszugehörigkeit (ja, nein). Da die Kategorien qualitativer Variablen nicht größenmäßig geordnet sind, kann ein Objekt bezüglich einer qualitativen Variablen nicht höher, größer oder mehr sein als ein anderes Objekt; die Objekte sind entweder gleich oder ungleich. Diskrete (diskontinuierliche) Variable: Eine diskrete Variable kann nur ganz bestimmte Werte annehmen (d.h. nur endlich viele oder abzählbar unendlich viele Werte). Obwohl die Werte einen großen Bereich abdecken können, sind sie stets isolierte Werte, zwischen denen Lücken bzw. Sprungstellen existieren. Sie beruhen auf einem Zählvorgang. Die Variable Haushaltsgröße besteht aus 0, 1, 2, 3, 4 usw. Personen, die in einem Haushalt wohnen. Aber es existiert kein Haushalt, der aus 3,5 Personen besteht. Es liegen hierbei größere Lücken zwischen den Merkmalsausprägungen vor. 4

5 Stetige (kontinuierliche) Variable: Eine stetige Variable kann in einem bestimmten Bereich jeden beliebigen Wert aus der Menge der reellen Zahlen annehmen. Sie kann stets in noch feineren Einheiten gemessen werden, so dass zwischen den Werten keine oder sehr kleine Lücken bzw. Sprungstellen bestehen. Zwischen den Messwerten sind beliebig viele Zwischenwerte möglich. Sie beruhen auf einem Messvorgang. - Die Variable Lebensalter kann in Jahren, Monaten, Wochen, Tagen, Stunden, Sekunden, Millisekunden usw. gemessen werden. - Das gilt auch beispielsweise für die Variablen Körpergröße, Körpergewicht, Temperatur usw. Die Variableneigenschaften stetig und diskret schließen sich gegenseitig aus. D.h., wenn eine Variable stetig ist, dann kann sie nicht diskret sein. Manifeste Variable: Manifeste Variablen sind direkt beobachtbar oder können direkt gemessen werden (in Form einer Frage wie z.b. Gehören Sie einer Gewerkschaft an? ) Die Variablen Körpergröße, Haarfarbe, Gewerkschaftszugehörigkeit, Geschlecht, Schulnoten usw. sind manifeste Variablen Latente Variable: Latente Variablen sind nicht direkt beobachtbar. Sie werden mit Hilfe von Indikatoren erfasst. Die Variablen Arbeitszufriedenheit, Vertrauen in die Regierung, Religiosität, Diskriminierung, politische Einstellung usw. sind latente Variablen, also theoretische Begriffe. Indikatoren: Indikatoren sind manifeste Variablen (beobachtbare Sachverhalte), die als Ersatz für die latente Variable fungieren. Indikatoren sind Variablen, die als Hinweis auf eine nicht sichtbare Variable dienen. Die latente Variable Arbeitszufriedenheit kann durch folgende Indikatoren messbar gemacht werden. Mögliche Indikatoren für Arbeitszufriedenheit: Mögliche Indikatoren für Religiosität: - Fernbleiben vom Arbeitsplatz - Häufigkeit des Arbeitsplatzwechsels - Verbale Zufriedenheitsbekundung usw. - Gebetshäufigkeit - Kirchgangshäufigkeit usw. 5

6 Messen: Der Prozess der Datenerhebung kann auch als Messen bezeichnet werden, denn im Prozess der Datenerhebung messen wir Merkmalsausprägungen von Untersuchungseinheiten. Messen ist die strukturtreue Zuordnung von Zahlen zu Objekten nach festgelegten Regeln. Strukturtreue bedeutet, wenn man eine Variable nehme (z.b. Körpergröße), dann definiert die Variable zwischen den Objekten (z.b. Personen) eine Beziehung (Relation). Person A ist größer/kleiner als Person B. Skalenniveau bzw. Messniveau: 1. Nominalskala 2. Ordinalskala 3. Intervallskala 4. Ratio- bzw. Verhältnisskala metrisch skaliert Die Nominalskala stellt das niedrigste Messniveau und die Ratio- bzw. Verhältnisskala das höchste Messniveau dar. Ratioskalierte Variablen beinhalten im Vergleich den höchsten Informationsgehalt, daher kann man mit ihnen die meisten Rechenoperationen durchführen. 1) Nominalskala: Klassifikation von Untersuchungseinheiten hinsichtlich ihres Besitzens oder Nicht-Besitzens einer bestimmten Merkmalsausprägung. Das Messen auf einer Nominalskala bedeutet nichts anderes als die Einordnung von Untersuchungseinheiten in Merkmalskategorien. Die Merkmalsausprägungen bzw. Kategorien müssen sich gegenseitig ausschließen, d.h., kein Fall darf in mehr als eine Kategorie gelangen. - Variable Geschlecht, Gewerkschaftszugehörigkeit, Telefonnummern, Hobby von Studierenden usw. 2) Ordinalskala: Klassifikation von Untersuchungseinheiten hinsichtlich ihres Besitzens oder Nicht-Besitzens einer bestimmten Merkmalsausprägung. (siehe Nominalskala) Zusätzlich: Bei einer Ordinalskala werden die Objekte im Hinblick auf den Grad, in dem sie eine Merkmalsausprägung besitzen, geordnet. Eine größer-kleiner-relation wird zwischen den Merkmalsausprägungen aufgestellt. Ordinales Messen informiert aber nicht über die Größe der Differenzen zwischen den Kategorien. - Variable Schulnoten, Schichtzugehörigkeit (Unterschicht, Mittelschicht, Oberschicht), Arbeitszufriedenheit (sehr zufrieden - gar nicht zufrieden) usw. 6

7 3) Intervallskala: Klassifikation von Untersuchungseinheiten hinsichtlich ihres Besitzens oder Nicht-Besitzens einer bestimmten Merkmalsausprägung. (siehe Nominalskala) Die Objekte werden im Hinblick auf den Grad, in dem sie eine Merkmalsausprägung besitzen, geordnet (siehe Ordinalskala). Eine größer-kleiner-relation wird zwischen den Merkmalsausprägungen aufgestellt. (siehe Ordinalskala) Zusätzlich: Bei einer Intervallskala können die exakten Abstände zwischen den Ausprägungen angegeben werden. Der Abstand zwischen zwei beliebig aufeinander folgenden Objekten ist gleich groß, d.h., die Intervalle müssen die gleiche Größe besitzen. Bei der Intervallskala liegt ein willkürlicher Nullpunkt vor. - Variable Temperaturmessung (z.b. in Celsius oder Fahrenheit), Kalenderrechnung usw. 4) Ratioskala: Die Ratioskala ist eine Intervallskala mit einem absoluten Nullpunkt. Der Messwert Null entspricht der tatsächlichen Abwesenheit des gemessenen Merkmals. Es sind Aussagen über Quotienten zweier beliebiger Objekte möglich (z.b. Objekt A besitzt doppelt so viel X wie Objekt B). - Variable Einkommen, Lebensalter, Haushaltsgröße, Körpergewicht, Körpergröße usw. 7

8 Univariate Analyse Univariate Verteilung: Die univariate Verteilung ist eine eindimensionale Verteilung, bei der lediglich eine einzelne Variable betrachtet wird. Häufigkeitsverteilung: Die Beobachtungsdaten werden so organisiert, dass die in ihnen enthaltenen Informationen in gedrängter Form zum Ausdruck gebracht werden können. Um Einsicht in die Struktur der Daten zu gewinnen, werden die Rohdaten daraufhin untersucht, wie viele Untersuchungseinheiten auf jede Variablenausprägung entfallen. Die aus dieser Operation resultierende Zusammenstellung der Ausprägungen mit den dazugehörigen Häufigkeiten heißt Häufigkeitsverteilung Kinder einer Schulklasse werden in Hinblick auf die Variable Geschlecht betrachtet. Die Messung ergab folgende Ergebnisse: 6 Kinder = männlich 4 Kinder = weiblich Tabellarische Darstellung der univariaten Verteilung: Geschlecht (x i ) Häufigkeit (f i ) männlich (x 1 ) 6 (f 1 ) weiblich (x 2 ) 4 (f 2 ) Anzahl der Fälle 10 (N) Allgemein: Variable X mit den Messwerten x i = x 1, x 2, x 3,..., x n (absoluten) Häufigkeiten f i = f 1, f 2, f 3,..., f n N bzw. n = Anzahl der Fälle bzw. Untersuchungseinheiten / Stichprobengröße 8

9 Die folgenden Rechenoperationen können ab nominalem Messniveau angewendet werden: f n = relative Häufigkeiten (Betrachtung des i-ten Wertes einer Verteilung) f n = f i N % f i = prozentuale Häufigkeiten bzw. absolute Prozentwerte fi % f = 100 N i Die folgenden Rechenoperationen dürfen erst ab ordinalem Messniveau angewendet werden: cum f i bzw. f ci = kumulierte (= addierte) absolute Häufigkeiten f c1 = f 1 f c2 = f 1 + f 2 f c3 = f 1 + f 2 + f 3 cum f n = kumulierte relative Häufigkeiten cum f n = cum N f i cum f i % bzw. % f ci = kumulierte prozentuale Häufigkeiten cum fi cum % fi = 100 N x i f i f n % f i cum f i cum f n cum f i % 1 (x 1 ) 2 0,2 20% 2 0,2 20% 2 (x 2 ) 1 0,1 10% 3 0,3 30% 3 (x 3 ) 5 0,5 50% 8 0,8 80% 4 (x 4 ) 2 0,2 20% % N = 10 1,00 100% 9

10 Umgang mit klassierten (gruppierten) Variablen: Variable Lebensalter Klassenintervall Exakte Grenzen Klassenmitte (x i ) ,5-25,5 bzw. 25, ,5-30,5 bzw. 30, ,5-35,5 bzw. 35,49 33 Exakte Grenzen exakte untere und exakte obere Grenze Klassenmitte der Punkt, der das Intervall in Hälften teilt Berechnung der Klassenmitte: 1. Möglichkeit: (21+ 25) 46 x i = = = Möglichkeit: (20,5 + 25,5) 46 x i = = =

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 4. Messtheorie Messen in den Sozialwissenschaften, Operationalisierung und Indikatoren, Messniveaus,

Mehr

5. MESSUNG & DATENERHEBUNG IN DEN SOWI

5. MESSUNG & DATENERHEBUNG IN DEN SOWI 5. MESSUNG & DATENERHEBUNG IN DEN SOWI Ziel: kontrollierte Gewinnung empirischer Informationen Bei den Entscheidungen über geeignete Erhebungsinstrumente, Messen, Auswahlverfahren und dem anzustrebenden

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Quantitative empirische Sozialforschung

Quantitative empirische Sozialforschung Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft

Mehr

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale

Beispiel (Schule) Grundlegende Begriffe. Beispiel (Universität) Beispiel (Lotto) Untersuchungseinheiten und ihre Merkmale Grundlegende Begriffe Untersuchungseinheiten und ihre Merkmale Untersuchungseinheiten Merkmale Merkmalsausprägungen Beispiel (Schule) Untersuchungseinheiten: Schulkinder Merkmale: Körpergröße, Körpergewicht

Mehr

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II)

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II) Prinzipien der Fragebogenkonstruktion Seminar: Patricia Lugert, Marcel Götze 17.04.2012 Medien-Bildung-Räume Inhalt Fragebogenerstellung Grundlagen Arten von Fragen Grundlegende Begriffe: Merkmal, Variable,

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Grundbegriffe der Beschreibenden Statistik

Grundbegriffe der Beschreibenden Statistik Grundbegriffe der Beschreibenden Statistik 1. Datenmatrix und Messniveaus...3 1.1. Merkmale, Datenmatrix, uni- und multivariate Analysen...3 1.2. Messniveaus (Skalentypen)...4 2. Ausgewählte Verfahren

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

Medizinische Biometrie (L5)

Medizinische Biometrie (L5) Medizinische Biometrie (L5) Vorlesung II Daten Deskription Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de IBE,

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik In der beschreibenden Statistik werden Methoden behandelt, mit deren Hilfe man Daten übersichtlich darstellen und kennzeichnen kann. Die Urliste (=Daten in der Reihenfolge ihrer Erhebung)

Mehr

Roland Bässler. Research & Consultinq

Roland Bässler. Research & Consultinq J 3 z = Roland Bässler Research & Consultinq Roland Bässler QUANTITATIVE FORSCHUNGSMETHODEN Ein Leitfaden zur Planung und Durchführung quantitativer empirischer Forschungsarbeiten (2. überarb. Auflage)

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen der empirischen Sozialforschung Grundlagen der empirischen Sozialforschung Sitzung 1 Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 20. Oktober 2008 1 / 28 Online-Materialien Die Materialien zur Vorlesung finden

Mehr

Methoden der empirischen Sozialforschung (Grundlagen) Reinecke, Jost, Prof. Dr.

Methoden der empirischen Sozialforschung (Grundlagen) Reinecke, Jost, Prof. Dr. Universität Bielefeld Modul: Fakultät für Soziologie Methoden der empirischen Sozialforschung (Grundlagen) Modulschlüssel: 30-M2 Modulbeauftragte/r: Bergmann, Jörg R., Prof. Dr. Reinecke, Jost, Prof. Dr.

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Kreditscoring zur Klassifikation von Kreditnehmern. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern Ergänzung zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Kreditscoring zur Klassifikation von Kreditnehmern Beschreibung des Datensatzes Die Vergabe von Privatkrediten wird von der Bonität der

Mehr

Glossar Statistik & Forschungsmethoden

Glossar Statistik & Forschungsmethoden Glossar Statistik & Forschungsmethoden Hinweis: Mit * markierte Begriffe sollten Ihnen aus der Schulzeit bekannt sein! A Abbildung (auch *Funktion): Beziehung bzw. Relation zwischen zwei Mengen, die jedem

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Kreuztabellenanalyse -Zusammenhangsmaße

Kreuztabellenanalyse -Zusammenhangsmaße Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Kreuztabellenanalyse -Zusammenhangsmaße 14. Dezember 2007 Anja Hall, Bundesinstitut für Berufsbildung, AB 2.2:

Mehr

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung

Der Internetdienst für Ihre Online-Umfragen. Leitfaden statistische Auswertung Der Internetdienst für Ihre Online-Umfragen Leitfaden statistische Auswertung Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten einen Fragebogen

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes "Kreditscoring zur Klassifikation von Kreditnehmern"

Datei Kredit.sav, Variablenbeschreibung und Umkodierungen. Variablenübersicht des Datensatzes Kreditscoring zur Klassifikation von Kreditnehmern A Beschreibung des Original-Datensatzes Kreditscoring Die vorliegende Datei enthält die Daten aus einer geschichteten Lernstichprobe, welche von einer süddeutschen Großbank durchgeführt wurde. Bei einer

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen

Univariate/ multivariate Ansätze. Klaus D. Kubinger. Test- und Beratungsstelle. Effektgrößen Univariate/ multivariate Ansätze Klaus D. Kubinger Effektgrößen Rasch, D. & Kubinger, K.D. (2006). Statistik für das Psychologiestudium Mit Softwareunter-stützung zur Planung und Auswertung von Untersuchungen

Mehr

Einführung in die Statistik mir R

Einführung in die Statistik mir R Einführung in die Statistik mir R ww w. syn t egris.de Überblick GESCHÄFTSFÜHRUNG Andreas Baumgart, Business Processes and Service Gunar Hofmann, IT Solutions Sven-Uwe Weller, Design und Development Jens

Mehr

5 Zusammenhangsmaße, Korrelation und Regression

5 Zusammenhangsmaße, Korrelation und Regression 5 Zusammenhangsmaße, Korrelation und Regression 5.1 Zusammenhangsmaße und Korrelation Aufgabe 5.1 In einem Hauptstudiumsseminar des Lehrstuhls für Wirtschafts- und Sozialstatistik machten die Teilnehmer

Mehr

Statistik I. Gernot Müller, WS 2011/12

Statistik I. Gernot Müller, WS 2011/12 Statistik I für Studierende der Soziologie und Nebenfachstudierende Gernot Müller, WS 2011/12 Herrn Prof. Dr. Thomas Augustin danke ich für die Überlassung der Materialen seiner gleichnamigen LV im WS

Mehr

Entscheidungsbaumverfahren

Entscheidungsbaumverfahren Entscheidungsbaumverfahren Allgemeine Beschreibung Der Entscheidungsbaum ist die Darstellung einer Entscheidungsregel, anhand derer Objekte in Klassen eingeteilt werden. Die Klassifizierung erfolgt durch

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Methoden der empirischen Sozialforschung I

Methoden der empirischen Sozialforschung I Methoden der empirischen Sozialforschung I Annelies Blom, PhD TU Kaiserslautern Wintersemester 2011/12 Übersicht Quantitative Datenauswertung: deskriptive und induktive Statistik Wiederholung: Die wichtigsten

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

6. Sitzung. Methoden der Politikwissenschaft: Metatheorien, Werturteilsproblematik und politikwissenschaftliche Methoden

6. Sitzung. Methoden der Politikwissenschaft: Metatheorien, Werturteilsproblematik und politikwissenschaftliche Methoden 6. Sitzung Methoden der Politikwissenschaft: Metatheorien, Werturteilsproblematik und politikwissenschaftliche Methoden Inhalt der heutigen Veranstaltung 1. Metatheorien/Paradigmen 2. Die so genannte Drei-Schulen

Mehr

Sozialwissenschaftliche Datenanalyse

Sozialwissenschaftliche Datenanalyse Sozialwissenschaftliche Datenanalyse Andreas Engel Michael Möhring Klaus G. Troitzsch 25. Oktober 2001 UNIVERSITÄT KOBLENZ LANDAU ABT. KOBLENZ INSTITUT FÜR SOZIALWISSENSCHAFTLICHE INFORMATIK c 1994 Andreas

Mehr

3 Deskriptive Statistik in R (univariat)

3 Deskriptive Statistik in R (univariat) (univariat) Markus Burkhardt (markus.burkhardt@psychologie.tu-chemnitz.de) Inhalt 3.1 Ziel... 1 3.2 Häufigkeiten... 1 3.3 Deskriptive Kennziffern I Lagemaße... 2 3.4 Streuungsmaße... 5 3.5 Standardisierung:

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Statistik im Bachelor-Studium der BWL und VWL

Statistik im Bachelor-Studium der BWL und VWL Max C. Wewel Statistik im Bachelor-Studium der BWL und VWL Methoden, Anwendung, Interpretation Mit herausnehmbarer Formelsammlung ein Imprint von Pearson Education München Boston San Francisco Harlow,

Mehr

Empirische Sozialforschung. für Politikwissenschaftler

Empirische Sozialforschung. für Politikwissenschaftler Empirische Sozialforschung für Politikwissenschaftler konzipiert und zusammengestellt von Michael Gerke im Mai 2011 Alle Teile des Kurses unterliegen dem Urheberrecht. Die Nutzung der vom Autor erstellten

Mehr

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015

SFB 833 Bedeutungskonstitution. Kompaktkurs. Datenanalyse. Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 SFB 833 Bedeutungskonstitution Kompaktkurs Datenanalyse Projekt Z2 Tübingen, Mittwoch, 18. und 20. März 2015 Messen und Skalen Relativ (Relationensystem): Menge A von Objekten und eine oder mehrere Relationen

Mehr

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Max. Gesamtpunktzahl: 28 (bestanden mit 14 Punkten) Matrikelnummer: - Bei Antwortmöglichkeiten mit müssen Sie jeweils alle die Kästchen

Mehr

3 Zusammenhangsmaße Zusammenhangshypothesen

3 Zusammenhangsmaße Zusammenhangshypothesen 3 Zusammenhangsmaße Zusammenhangshypothesen Zusammenhänge (zwischen 2 Variablen) misst man mittels Korrelationen. Die Wahl der Korrelation hängt ab von: a) Skalenniveau der beiden Variablen: 1) intervallskaliert

Mehr

Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler

Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler Zusatzmaterialien zum UTB-Band Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler bereitgestellt über www.utb-shop.de/9783825238612 Das Buch vermittelt

Mehr

Abhängigkeit zweier Merkmale

Abhängigkeit zweier Merkmale Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Tipps und Tricks bei Gästebefragungen. Tourismus Trend Forum Graubünden 2009

Tipps und Tricks bei Gästebefragungen. Tourismus Trend Forum Graubünden 2009 Tipps und Tricks bei Gästebefragungen Dr. Tobias Luthe Projektleiter ITF und Dozent für Nachhaltigkeit und Tourismus Tourismus Trend Forum Graubünden 2009 Seite 1 Struktur der Präsentation Bedeutung der

Mehr

Statistik mit Excel 2010. Themen-Special. Peter Wies. 1. Ausgabe, September 2011 W-EX2010S

Statistik mit Excel 2010. Themen-Special. Peter Wies. 1. Ausgabe, September 2011 W-EX2010S Statistik mit Excel 2010 Peter Wies 1. Ausgabe, September 2011 Themen-Special W-EX2010S 3 Statistik mit Excel 2010 - Themen-Special 3 Statistische Maßzahlen In diesem Kapitel erfahren Sie wie Sie Daten

Mehr

8. Methoden der klassischen multivariaten Statistik

8. Methoden der klassischen multivariaten Statistik 8. Methoden der klassischen multivariaten Statistik 8.1. Darstellung von Daten Voraussetzungen auch in diesem Kapitel: Grundgesamtheit (Datenraum) Ω von Objekten (Fällen, Instanzen), denen J-Tupel von

Mehr

Kartographische Visualisierung

Kartographische Visualisierung Kartographische Visualisierung Einführung in die Geovisualisierung V/Ü: Kartographische Informationsverarbeitung Geovisualisierung Definition: Sichtbarmachung von georäumlichen Erkenntnissen oder Daten

Mehr

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table("c:\\compaufg\\kredit.

Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit<-read.table(c:\\compaufg\\kredit. Lösung 16.3 Analog zu Aufgabe 16.1 werden die Daten durch folgenden Befehl eingelesen: > kredit

Mehr

Statistik für die Sozialwissenschaften

Statistik für die Sozialwissenschaften Leseprobe aus: Steffen-M. Kühnel, Dagmar Krebs Statistik für die Sozialwissenschaften Mehr Informationen zum Buch finden Sie auf rowohlt.de. Copyright 2012 by Rowohlt Verlag GmbH, Reinbek bei Hamburg 1

Mehr

Alltagskompetenz im Test Umfrage an Berliner Schüler

Alltagskompetenz im Test Umfrage an Berliner Schüler Berlin, 14. März 2006 Weltverbrauchertag 2006: Fragebogen zur Verbraucherbildung Alltagskompetenz im Test Umfrage an Berliner Schüler Der Hintergrund Anlass für die Erhebung ist der Weltverbrauchertag

Mehr

Marktliquidität von Aktien

Marktliquidität von Aktien Marktliquidität von Aktien Inauguraldissertation zur Erlangung der Würde eines Doctor rerum oeconomicarum der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität Bern Lukas Roth Die Fakultät

Mehr

Planung und Ablauf einer empirischen Marktforschung

Planung und Ablauf einer empirischen Marktforschung Planung und Ablauf einer empirischen Marktforschung Für die Lehrveranstaltung Marktforschung WS 2012/13 in 5 grobe Phasen teilbar: 1 1. Forschungsproblem muss formuliert und ggf. präzisiert werden 2. Erhebung

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik Kapitel 1: Einführung in die Statistik Ralf Münnich und Stefan Zins Universität Trier Wintersemester 2009/10 Ralf Münnich und Stefan Zins (Universität Trier) Deskriptive Statistik

Mehr

Einleitung. DIAZ-BONE, Statistik für Soziologen. ISBN 978-3-8252-2782-1 UVK Verlagsgesellschaft mbh, Konstanz 2006

Einleitung. DIAZ-BONE, Statistik für Soziologen. ISBN 978-3-8252-2782-1 UVK Verlagsgesellschaft mbh, Konstanz 2006 9 Einleitung 1 Das vorliegende Lehrbuch führt in die Grundlagen der sozialwissenschaftlichen Statistik ein. Es wendet sich in erster Linie an Studierende soziologischer und sozialwissenschaftlicher Studiengänge.

Mehr

Grundlagen Statistik Angewandte Statistik 3. Semester

Grundlagen Statistik Angewandte Statistik 3. Semester Angewandte Statistik 3. Semester Zur Person Constantin von Craushaar Consultant / Partner Innstat e.u. (www.innstat.com) info@innstat.com Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik

fh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik fh management, communication & it Folie 1 Angewandte Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines einfachen Beispieles Häufigkeitsauswertungen Grafiken Datenmanipulationen

Mehr

ÖWA Sonderauswertung Finanzen. Basis: Studie ÖWA Plus 2007-IV

ÖWA Sonderauswertung Finanzen. Basis: Studie ÖWA Plus 2007-IV ÖWA Sonderauswertung Finanzen Basis: Studie ÖWA Plus 2007-IV Agenda Einleitung Affinität der User zu Finanzprodukten Analyse Cross-Selling-Potential Zielgruppenanalyse anhand soziodemographischer Merkmale

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Bivariate Chi-Quadrat-Verfahren

Bivariate Chi-Quadrat-Verfahren Inhaltsverzeichnis Bivariate Chi-Quadrat-Verfahren... 2 Lernhinweise... 2 Einführung... 2 Theorie (1-3)... 3 1. Kontingenztafeln... 3 2. Vergleich einer bivariaten mit einer theoretisch erwarteten Verteilung...

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

Datenanalyse aus einer unklassierten Häufigkeitstabelle

Datenanalyse aus einer unklassierten Häufigkeitstabelle Datenanalyse aus einer unklassierten Häufigkeitstabelle Worum geht es in diesem Modul? Häufigkeitstabelle Stabdiagramm Die empirische Verteilungsfunktion Quantile Worum geht es in diesem Modul? Nachdem

Mehr

verwendet bei dichotomen (= ein nominalskaliertes Merkmal mit nur zwei Ausprägungen) Merkmalen/ Variablen

verwendet bei dichotomen (= ein nominalskaliertes Merkmal mit nur zwei Ausprägungen) Merkmalen/ Variablen Zusammenfassung, VL 3, Tutorium Hypothesen 1. deterministisch vs. probabilistisch deterministische Hypothese: gilt für alle in der Hypothese möglichen Fälle beansprucht universelle Gültigkeit (wie ein

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Diskriminanzanalyse Beispiel

Diskriminanzanalyse Beispiel Diskriminanzanalyse Ziel bei der Diskriminanzanalyse ist die Analyse von Gruppenunterschieden, d. h. der Untersuchung von zwei oder mehr Gruppen hinsichtlich einer Vielzahl von Variablen. Diese Methode

Mehr

Korrelation - Regression. Berghold, IMI

Korrelation - Regression. Berghold, IMI Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 8

Stochastik und Statistik für Ingenieure Vorlesung 8 PD. Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 8 6. Dezember 2013 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Norm- vs. Kriteriumsorientiertes Testen

Norm- vs. Kriteriumsorientiertes Testen Norm- vs. Kriteriumsorientiertes Testen Aus psychologischen Test ergibt sich in der Regel ein numerisches Testergebnis, das Auskunft über die Merkmalsausprägung der Testperson geben soll. Die aus der Testauswertung

Mehr

Beschreibende Statistik

Beschreibende Statistik Beschreibende Statistik Daten graphisch darstellen 21. April 2009 Dr. Katja Krüger Universität Paderborn Grundlagen der Schulmathematik SoSe 2009 1 Daten graphisch darstellen warum? Die rasche und sichere

Mehr

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik

Institut für Soziologie Dr. Christian Ganser. Methoden 2. Einführung, grundlegende PASW-Bedienung, univariate Statistik Institut für Soziologie Dr. Methoden 2 Einführung, grundlegende PASW-Bedienung, univariate Statistik Programm Wiederholung zentraler Aspekten der Übungen Literatur zur Veranstaltung Erste Schritte mit

Mehr

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen

Veranstaltungsort Bildungsherberge der Studierendenschaft der FernUniversität Hagen Bildungsurlaub-Seminare: Lerninhalte und Programm Seminartitel SPSS für Psychologen/innen (BH15113) Termin Mo, den 18.05.bis Fr, den 22.05.2015 (40 UStd.) Veranstaltungsort Bildungsherberge der Studierendenschaft

Mehr

Regelungstechnik 1 Praktikum Versuch 1.1. 1 Unterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch

Regelungstechnik 1 Praktikum Versuch 1.1. 1 Unterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch Regelungstechnik 1 Praktikum Versuch 1.1 1 nterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch Die Aufgabe der Regelungstechnik besteht im weitesten Sinne darin, einen bestimmten

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

EINSTELLUNG DER VORARLBERGER BEVÖLKERUNG

EINSTELLUNG DER VORARLBERGER BEVÖLKERUNG EINSTELLUNG DER VORARLBERGER BEVÖLKERUNG ZU AKTUELLEN THEMEN DER LANDESPOLITIK Ergebnisse repräsentativer Meinungsumfragen, durchgeführt im Auftrage der VN bei der Vorarlberger Bevölkerung (Wahlberechtigte)

Mehr

Grundbegriffe der Statistik

Grundbegriffe der Statistik Grundbegriffe der Statistik Quelle: Statistica (2003). Auszug aus dem elektronischen Handbuch des Statistikprogramms Statistica 6.1. Tula, OK: StatSoft, Inc. 1 Inhaltsverzeichnis Überblick über Grundbegriffe

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Lean Six Sigma Green Belt - Deutsch

Lean Six Sigma Green Belt - Deutsch Lean Six Sigma Green Belt - Deutsch Inhalt des aktuellen Kurses Voraussichtliche Gesamtdauer in Stunden: 80.00 Sitzung 1: Einführung in Lean Six Sigma (4 Stunden) Einführung Anatomie einer erfolgreichen

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/31 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/31 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

1 Deskriptive Statistik

1 Deskriptive Statistik 1 1 Deskriptive Statistik Statistik und die von dieser Wissenschaft bereitgestellten Methoden sind stets notwendig, wenn im Rahmen empirischer Untersuchungen Daten erhoben und analysiert werden sollen.

Mehr

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1

Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Prof. Dr. P. von der Lippe Statistik I NK SS 2002 Seite 1 Aufgabe 1 a) BWL-Student S hat von seinem Lieblingsonkel 10.000 geschenkt bekommen mit der Auflage damit etwas Vernünftiges zu machen. Nachdem

Mehr

B.A. Bildungswissenschaft - Zusammenfassung - Modul 1D - Kurs 03607 Empirische Sozialforschung

B.A. Bildungswissenschaft - Zusammenfassung - Modul 1D - Kurs 03607 Empirische Sozialforschung Fernstudium B.A. Bildungswissenschaft - Alexander Becker - Seite 1 von 43-14.03.14 B.A. Bildungswissenschaft - Zusammenfassung - Modul 1D - Kurs 03607 Empirische Sozialforschung Quellenangabe Fernstudium

Mehr

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken

Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken ÜBERSICHTSARBEIT Deskriptive Statistik Angabe statistischer Maßzahlen und ihre Darstellung in Tabellen und Grafiken Teil 7 der Serie zur Bewertung wissenschaftlicher Publikationen Albert Spriestersbach,

Mehr